墨西哥帽子小波和Morlet小波在生态格局分析中的应用本研究采用Monte Carlo方法,探讨了对小波分析的格局进行统计显著性检验的普遍方法.研究结果表明:墨西哥帽子小波能较好地分析样带中的斑块和间隙以及它们的位置信息,Morlet小波能较好地分析样带中尺度及其位置信息.不同的小波通常在尺度分析和斑块和间隙分析之间有平衡,所以最好的方法是结合两种小波的优点.应用二维小波分析对暖温带阔叶林辽东栎更新格局的研究本研究介绍了一种二维网格空l间数据分析方法—二维小波分析.该方法不仅能分析格局的等级结构,而且也能得到所分析结构的位置信息.本研究用三个模拟格局分析了二维小波的特性及二维墨西哥帽子小波和Halo小波的特性.因为自身的特性,Halo小波比墨西哥帽子小波能提供更高的分辨率.本研究也将二维小波分析应用于暖温带阔叶林的辽东栎更新格局研究中,分析的结果表明:辽东栎的更新发生在辽东栎成树斑块和林窗斑块重叠区域.用交互验证和独立验证来测试神人工经网络模拟水稻分檗动态的泛化能力本研究通过对交互验证和独立验证神经网络模型性能的比较,测试了神经网络模型在预测水稻分檗动态方面的泛化能力.同时,也对几种提高神经网络泛化能力的技术进行了比较.研究结果表明:在训练数据的变量范围内,神经网络在预测水稻分檗动态方面具有泛化能力.较少的训练数据样本导致了对训练数据过度吻合的和不具泛化能力的神经网络.要能使神经网络在预测水稻分檗动态方面具有泛化能力,训练数据的样本量至少9倍于神经网络的权值数目.当神经网络有多个输入变量且训练数据不足以保证神经网络的泛化能力时,建议在训练之前,采用主成分分析、对应分析及类似技术压缩输入变量的个数.